缺血性脑卒中患者卒中后谵妄数据集
该数据集来源于 clinicaltrials.gov，聚焦缺血性脑卒中患者的卒中后谵妄（PSD）。源站描述指出 PSD 与不良预后相关，有效识别 PSD 危险因素并预测 PSD 至关重要
基本信息
资源简介
缺血性脑卒中患者卒中后谵妄数据集
该数据集英文名为 Post-stroke Delirium in Ischemic Stroke Patients，来源于 clinicaltrials.gov，在本站归入循环系统疾病 / 其他分类，主题标签为 Ischemic Stroke。数据集聚焦缺血性脑卒中患者的卒中后谵妄（PSD）。源站描述指出，PSD 与不良预后相关，有效识别 PSD 的危险因素并对 PSD 进行预测至关重要。该研究采用前瞻性、单中心队列研究设计，条件为缺血性脑卒中。整体而言，该数据集围绕缺血性脑卒中后谵妄这一临床问题，为相关危险因素识别与预测研究提供数据基础，适用于脑血管病与谵妄相关的研究场景。
【数据集背景】
卒中后谵妄（PSD）是缺血性脑卒中患者中值得关注的临床问题。源站描述明确指出，PSD 与不良预后相关，因此有效识别 PSD 的危险因素并预测 PSD 至关重要。基于这一背景，该数据集对应的研究以缺血性脑卒中为条件，采用前瞻性、单中心、队列研究的方法开展，旨在围绕 PSD 的危险因素识别与预测进行数据收集与研究。该数据集在本站分类中归入循环系统疾病 / 其他，主题标签为 Ischemic Stroke，体现了其与脑血管疾病领域的直接关联。
【数据内容】
该数据集的主题标签为 Ischemic Stroke，源站描述中的条件为 Ischemic Stroke，研究对象为缺血性脑卒中患者，关注的核心结局或研究主题为卒中后谵妄（PSD）。关于数据集所包含的具体变量、字段结构、样本量、记录条数、随访时间点等细节，源站未提供。因此，本数据集在数据内容层面的具体构成，需以源站实际发布的信息为准。
【采集与来源】
该数据集来源于 clinicaltrials.gov。源站描述表明，其对应研究为前瞻性、单中心、队列研究，研究条件为缺血性脑卒中。关于采集地点、采集机构、采集时间窗口、采样方式、数据录入流程等具体采集信息，源站未提供。数据来源站为 clinicaltrials.gov，本站分类为循环系统疾病 / 其他。
【适用场景】
基于源站描述，该数据集适用于围绕缺血性脑卒中患者卒中后谵妄（PSD）的研究场景，包括识别 PSD 的危险因素、开展 PSD 预测相关研究，以及关注 PSD 与不良预后关联的临床研究。其前瞻性、单中心、队列研究的设计背景，使其可用于与队列研究范式相关的分析场景。关于该数据集在其他具体应用场景中的适用性，源站未提供。
【使用方法】
关于该数据集的具体使用方法，包括数据获取方式、访问流程、数据结构说明、变量定义、分析建议等，源站未提供。使用者需依据源站发布的信息确定使用方式。
【质量与限制】
该数据集对应的研究为单中心、前瞻性队列研究，源站描述中已明确其单中心设计。关于样本量、数据完整性、缺失情况、质量控制措施、偏倚风险等质量相关细节，源站未提供。该数据集聚焦缺血性脑卒中患者的 PSD，其结论外推至其他人群或其他疾病场景的适用性，源站未提供。
【引用与许可】
关于该数据集的引用方式、许可条款、使用限制与数据共享政策，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT06005636
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件：缺血性脑卒中。引言：卒中后谵妄（PSD）与不良预后相关。有效识别PSD的危险因素并预测PSD至关重要。方法：这是一项前瞻性、单中心队列研究。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
